论文摘要
目前,世界上大多数人们利用的风险管理标准是二十世纪九十年代以后发展起来的VaR,这种新型的风险管理工具方法表示容易,就是使用了一个特定的数字来表示未来的风险值,由此方便管理和分析数据,而且容易理解,可是实际金融市场很复杂,而且近年来国际性金融危机的频发,使得人们度量波动性日益增大的金融市场风险,需求一个更能精确的风险管理工具。因此,出现了各式各样的改进计算VaR的方法。如历史模拟法和蒙特卡罗模拟法,t-GARCH模型等,然而上述方法均存在不足：历史模拟法要求模拟的实际情形与实际金融市场变化不一致、有时甚至差出很多,蒙特卡罗模拟计算复杂,而且计算量大,需要计算的时间还长,若产生的数据序列为伪随机数,则可能会出现结论错误,t-GARCH模型需要建立在对金融收益数据具体分布的基础上。所以我们考虑需要用一种新兴方法来计算VaR值。由前面提到的VaR的定义,可以将VaR看成是金融收益分布的某一分位数。因此可以考虑使用分位数回归方法来求解VaR值。本文应用VaR模型对1996～2008年沪深港股市的市场风险演化模式进行了实证研究,并通过Granger因果检验发现沪深港股市的风险变化存在互动传导关系。模型的参数估计不采用贝叶斯推理和MCMC方法,而采用单纯形与quasi-Newton方法结合的混合搜索算法,并用Matlab软件中的fminsearch、fminnunc优化函数实现。与间接GARCH （1,1）模型作了比较。因此此模型对于深圳市场来说是一个比较理想的模型,可以较好地刻画市场的分位数变化机理,即市场的风险演化模型。实践上,反映出深圳股市的投资者已经具备一定的风险承受能力。